Gustavo Varela Alvarenga

Outras informações:
A Argus é uma multinacional inglesa que atua no ramo de relatórios de preços de energia e commodities. As minhas atribuições e feitos são os seguintes:Desenvolver produtos de dados em R para apoiar as decisões do cliente;Implantar esses produtos utilizando ferramentas de automatização;Construí uma equipe de ciência de dados desde o início;Gerenciar uma equipe com cientistas de dados, engenheiros de dados e líderes de equipe de dados;Envolver-se com acionistas para desenvolver novos produtos e dashboards (criados usando R/Shiny);Prestar apoio técnico em séries cronológicas e outros temas de Estatística a públicos não especializados;Fornecer insights de especialistas para melhorar os produtos de dados;Fornecer suporte operacional global às equipes Editoriais e de Dados.

Outras informações:
Durante os últimos quatro períodos (1 sem. de 2020, Curso de Verão 2020, 2 sem. de 2020, e 1 sem. de 2021), tenho trabalhado como na University of Maryland, College Park, ministrando o curso "Introdução à Estatística Computacional com SAS. "Este curso cobre métodos essenciais para qualquer pessoa que deseja trabalhar com estatística aplicada ou ciência de dados. Os tópicos cobertos incluem preparação de dados (com base SAS e SQL), análise exploratória de dados e estatística inferencial. Também cobrimos modelos lineares e logísticos, desenho de experimentos e estimativa dos efeitos dos tratamentos. Discutimos como codificar esses métodos usando SAS e como interpretar as saídas corretamente. É essencial saber quando usar esses métodos e como verificar suas suposições, portanto, fazemos uma breve revisão sobre a teoria por trás deles. Em meu primeiro método de avaliação, os alunos selecionam um tópico de pesquisa, que pode ser qualquer coisa, desde a análise de programas de TV até o estudo do número de lesões cerebrais traumáticas. Então, busco um conjunto de dados relacionado ao tópico e faço perguntas abertas. Como não sou um especialista em todos os assuntos, discuto as questões com meus alunos de antemão com o objetivo de encontrar perguntas que façam sentido e sejam interessantes para eles. O foco é dado na manipulação correta dos conjuntos de dados e na escolha do melhor método de apresentação da informação. Para o meu segundo método de avaliação, os alunos devem selecionar um tópico e definir suas próprias questões de pesquisa, sendo que pelo menos uma dessas questões deve ser respondida com técnicas mais "avançadas", como regressão linear, regressão logística ou ANOVA. Os alunos devem verificar as suposições de cada método e, na avaliação final, verifico se seus códigos produzem as informações necessárias para responder às perguntas da pesquisa e se eles interpretam corretamente as saídas do SAS.

Outras informações:
Meu objetivo nesse programa/estágio era usar inteligência artificial para melhorar os sistemas de energia dos Estados Unidos. Você pode ler mais sobre minha experiência aqui (em inglês): https://orise.orau.gov/nsf-msgi/profiles/varela-alvarenga.htmlNas 10 semanas deste programa, eu: [1] Iniciei e concluí a Especialização em Deep Learning do Coursera (5 cursos - do básico a CNNs e RNNs);[2] Conduzi um Workshop sobre R (a linguagem de programação), e seus pacotes 'blogdown' e 'shiny', para um público 100 composto por mulheres; [3] Sugeri e desenvolvi um RDBMS (PostgreSQL MySQL) para um projeto envolvendo o Department of Energy (DOE), o National Energy Technology Laboratory (NETL) e o Pacific Northwest National Laboratory (PNNL). [4] Escrevi um web crawler em Python para criar um robô para obter dados de um site e exportar as informações relevantes para um banco de dados em PostgreSQL; [5] Sugeri e desenvolvi 90 de uma aplicação web para pesquisadores realizarem a entrada de dados de experimentos. Essa aplicação atua como um reactive e armazena as respostas em um banco de dados em MySQL.

Outras informações:
Consultor em Estaística

Outras informações:
Estagiário na área de Risco Operacional